Documente Academic
Documente Profesional
Documente Cultură
BIOSTATISTIC
NOTE DE CURS
ORADEA 2008
1
CUPRINS
CAPITOLUL 1:
INTRODUCERE1
CAPITOLUL 2:
DISTRIBUII EXPERIMENTALE ........................ 3
2.1. TERMINOLOGIE STATISTIC ..............3
2.2.NREGISTRAREA I PRELUCRAREA PR IMAR A
INFORMAIILOR.............. ................................................. 4
2.2.1.SEPARAREA DE POP ULAII OMOGENE... 4
2.2.2.NREGISTRAREA OBSERVAIILOR N TABELE ....4
2.2.3.FRECVENELE DISTR IBUIILOR EMP IRICE... 5
2.2.4.REPREZENTRI GRAFICE ALE DISTRIBUIILOR
UNIDIMENS IONALE... 6
2.3. INDIC II DISTRIBUIILOR EXPERIMENTALE .7
2.3.1.PARAMETR I POPULAIEI I INDIC II PROBEI............. ..............7
2.3.2.MOMENTE............................................................................... ..8
2.3.3.VALOR I MEDII...................................................................... ..10
2.3.4.INDIC II DISPERSIEI ( INDICATORII VARIABILIT II)............13
2.3.5.ASIMETR IA I EXCESUL DISTRIBUIILOR EXPERIMENTALE
(INDICATORII FORMEI) 15
2.4.EROR I DE REPREZENTATIVITATE...................................... ........17
2
4.6. CRITER II PENTRU ELIMINAREA OBSERVAIILOR EXTREME ..55
3
CAPITOLUL 1: INTRODUCERE
Biostatistica se ocup cu gruparea, analiza i interpretarea datelor
referitoare la fenomenele de mas, precum i cu unele previziuni privind
producerea lor viitoare.
Biostatistica (biostatistica forestier) este o ramur a statisticii,
denumit aa datorit faptului c se studiaz, interpreteaz i analizeaz
date din domeniul biologic (forestier), domeniu cu anumite particulariti.
n silvicultur, aproape toate procesele au un caracter
probabilistic. ncepnd cu tabelele de producie i ncheind cu indicii
preurilor pentru lemnul pe picior, modelele statistice sunt larg folosite.
Modelele statistice sunt folosite pentru :
Clasificarea sistemelor biologice , de la specie la ecosistem
(analiza topologic) ;
Estimarea indirect a unei caracteristici dificil de msurat :
concentrnd eforturile de analiz pe un eantion de date
complete, ce includ i variabila dependent dificil de
msurat n condiii obinuite, se obine o funcie matematic
ce permite, pe viitor, estimarea caracteristicii rezultative, pe
baza caracteristicilor explicative, mai uor de msurat ;
Aproximarea probabilitii producerii unui fenomen (un atac
de insecte, o dobortur de vnt, sau chiar adjudecarea unei
partizi ntr-o licitaie) tiute fiind condiiile n care se
produc, de regul, aceste fenomene ;
Aproximarea preurilor posibile de adjudecare a unor partizi
sau loturi de lemn, n funcie de caracteristicile acestora,
particularitile pieei i condiiile de exploatare ;
Estimarea impactului economic i/sau ecologic al unor
schimbri sau tendine manifestate la nivel macroeconomic ;
Compararea a dou sau mai multe valori medii, referitoare la
tot attea stri n care un sistem poate fi adus prin mijloace
tehnice sau ca urmare a modificrii factorilor naturali de
producie. (de exemplu starea la c are este adus un arboret
prin aplicarea unor rrituri de intensitate diferit) ; etc
Dup scopul cunoaterii, statistica, ca disciplin tiinific, are
urmtoarele subdiviziuni: statistica descriptiv, statistica inferenial,
statistica analitic.
Statistica descriptiv (formal), care are ca obiectiv culegerea
datelor statistice i prelucrarea acestora cu ajutorul sistemului de
indicatori statistici
Statistica inferenial , aprut abia dup descoperirea legilor
probabilistice i constituirea teoriei pr obabilitilor ca tiin, are ca
obiectiv cunoaterea caracteristicilor unei colectiviti oarecare pornind
de la cunoaterea unei colectiviti pariale i presupune msurarea
incertitudinii rezultatelor i calcularea riscurilor pe care le implic
luarea unei decizii fundamentate pe baza unei informaii ce nu poate fi
4
exhaustiv. Principalele probleme ale inferenei statistice sunt estimarea
parametrilor distribuiei unei colectiviti i testarea ipotezelor statistice.
Statistica analitic urmrete descoperirea a ceea ce este
permanent, esenial, legic , n variaia proceselor stocastice i msurarea
influenei factorilor care le determin variaia n timp, n spaiu,i din
punct de vedere calitativ. n acest scop se folosesc, n principal, analiza
de regresie, analiza de corelaie i analiza dispersional .
Variabilitatea observaiilor
Valorile observaiilor fcute asupra anumitor caracteristici
atributive prezint o anumit fluctuaie, denumit n statistic variaie.
Variaia poate fi:
continu, cnd caracteristica cercetat se ex prim n
numere fracionare (diametrul unui arbore)
discontinu (discret), cnd caracteristica poate fi
exprimat numai n numere ntregi (nr.arbori/ha,
nr.ou/cuib),
alternativ, cnd exist numai dou posibiliti de variaie
(apt-inapt, mascul -femel)
Dup natura cauzelor pe care o provoac, variaia poate fi
sistematic (determinat de cauze cunoscute, controlabile)
sau
ntmpltoare, accidental (determinat de cauze
necunoscute, necontrolabile).
5
Populaia statistic
O populaie (colectivitate) stati stic reprezint o totalitate de
observaii efectuate asupra unor uniti relativ omogene, avnd un anumit
numr de nsuiri eseniale comune.
n domeniul silviculturii de cele mai multe ori se efectueaz observaii
numai asupra unui numr restrns de unit i ale populaiei, respectiv
asupra unuor sondaje sau probe (colectivitate de selecie, eantion).
Prin intermediul probelor se tinde spre cunoaterea statistic a ntregii
populaii. Pentru aceasta proba trebuie s fie reprezentativ, s fie
aleas dup principii obiective.
6
2.2. NREGISTRAREA I PRELUCRAREA PRIMAR A
INFORMAIILOR
Tabelu l 2 . 2
Nr. crt diametrul Cresterea in diametru
1 27.3 9.1
2 18.2 7.3
3 15.7 5.2
Pentru a se putea prelucra statistic datele iniiale, este necesar
gruparea valorilor n clase (despuierea) (tabelele 2.3, 2.4).
7
Tabelu l 2 . 3
specia : FAG
clasa de calitate
categorii
I II III IV TOTAL
de
Nr Nr Nr Nr ARBORI
diametre Punctaj Punctaj Punctaj Punctaj
arbori arbori arbori arbori
8
10
12
14
16
18
20
22
24
Tabelu l 2 . 4
Intervalul de Centrul clasei Frecvene
Punctaj
clas n mm mm absolute
0.6 - 1,5 1 III 3
1.6 - 2,5 2 IIII IIII IIII II 17
2,6 - 3.5 3 IIII IIII III 13
.
8
Tabelu l 2 . 5
f recventa f recventa
categorii de frecventa frecventa
absoluta relativa
diametre absoluta relativa
cumulata cumulata
8 3 3 0.051 0.051
10 5 8 0.085 0.136
12 6 14 0.102 0.237
14 10 24 0.169 0.407
16 12 36 0.203 0.61
18 9 45 0.153 0.763
20 8 53 0.136 0.898
22 4 57 0.068 0.966
24 2 59 0.034 1
TOTAL 59 1.000
10
8
6
4
2
0
8 10 12 14 16 18 20 22 24
9
categoria de diametre
Histograma frecvenelor absolute
Poligonul frecvenelor absolute
frecvene absolute
16
14 14
numrul de arbori
12
12
10
frecvene absolute
10 8
6
8 4
2
6 0
8 10 12 14 16 18 20 22 24
4
Poligonul frecvenelor cumulate
categoria de diametre
2
70
0
60 frecvene
8 10 12 14 16 18 20 22 24 Diagrama de structur
cumulate
50 categorii de diametre 8
numr de arbori
10
40 7% 3% 5% 8%
12
30 14%
10% 14
20 16
10
18
15%
20
0 17%
8 10 12 14 16 18 20 22 24 22
21%
categorii de diametre 24
10
Simboluri pentru Simboluri pentru
Denumirea caracteristicii
populaii probe
M edia aritmetic x
2
V ariana ( disp ersia) s
Abaterea standard s
Coef icientul de variaie s%
Covariana xy s xy
I ndicile asimetriei A
I ndicele excesului E
Coef icientul de corelaie r
Coef icientul de regresie b
2.3.2. Momente
Momentele uureaz calculul indicilor, mai ales pentru seriile
statistice formate dintr -un mare numr de observaii.
Momentele reprezint medii aritmetice ale abaterilor de la un
anumit punct ales ca origine, ridicate la diferite puter i. Dac se alege ca
origine media aritmetic, se obin momente centrate.Dac originea se
alege arbitrar, rezult momente obinuite.
Momentele obinuite se calculeaz cu formula( intervalul de clas
=1):
k
xi x0
mk
N
iar cele centrate dup expresia:
k
xi x
mk
N
unde :
m k reprezint momentul obi nuit de ordin k
m k momentul centrat de ordin K
x i valorile observate
x - media aritmetic a distribuiei
x 0 valoarea aleas arbitrar
N- numrul total al observaiilor
Pentru valori grupate n clase ( h= intervalul de clas), avem:
k k
xi xo xi x
h h
mk ' mk
N N
11
m 1 =0
m 2 =m 2 -m 1
m 3 =m 3 -3m 2 m 1 +2m 1 3
m 4 =m 4 -4m 3 m 1 +6m 2 m 1 2 -3m 1 4
iar pentru verificare se folosesc formulele :
m 3 =m 3 -3m 1 m 2 -m 1 3
m 4 =m 4 -4m 3 m 1 +6m 2 m 1 2 -3m 1 4
Tabelu l 2 . 6
Calculul momentelor prin procedeul
sumelor. categorii de Frecvena b1 b2 b3
Este un procedeu indirect, mai diametre absolut 49 39 17
8 3 3 3 3
simplu in cazul calculului fcut fr 10 5 8 11 14
calculatoare. 12 6 14 25 -45
Este bazat pe urmtoarele 14 10 24 - -
formule: 16 12 - - -
d1 S 1 2S 2 18 9 23 - -
m1' ; m 2' ; 20 8 14 22 -
N N 22 4 6 8 10
d 1 6d 2 6d 3 24 2 2 2 2
m 3' ; 45 32 12
N TOTAL 59
a1 a2 a3
S 1 14S 2 36S 3 24S 4 -4 -7 -5
m 4' d i = ai bi =
N d1 d2 d3
Exemplu: vezi tabelul 2.6 Si = ai + bi = 94 71 29
S1 S2 S3
4
m1' 0.0678
59
94 2 * 71 236
m 2' 4.00
59 59
4 6 * ( 7) 6 * ( 5) 4 42 30 76
m3' 1.2881
N 59 59
k
xi xo
h
Cu formula: mk ' calculul este mai laborios:
N
1 1 1 1
8 16 10 16 12 16 14 16
3 5 6 10 ......
2 2 2 2
m1'
59
3 * 4 5 * 3 6 * 2 10 *1 12 * 0 9 *1 8 * 2 4 * 3 2 * 4
59
12 15 12 10 9 16 12 8 4
0.0678
59 59
12
2 2 2 2
8 16 10 16 12 16 14 16
3 5 6 10 ......
2 2 2 2
m2
59
3 *16 5 * 9 6 * 4 10 *1 12 * 0 9 *1 8 * 4 4 * 9 2 *16
59
48 45 24 10 9 32 36 32 236
4.00
59 59
2.3.3. Valori medii
Medii de poziie:
Media aritmetic
Pentru iruri statistice formate dintr -un numr redus de valori,
media aritmetic ( x ) se calculeaz cu formula:
x1 x 2 x 3 ... x n x
x
N N
Pentru iruri statistice cu numr mare de valori, acestea se
grupeaz mai nti n clase iar pentru media aritmetic se folosete
procedeul multiplicrii:
x1 n1 x 2 n 2 x 3 n3 ... x k n k xi ni
x
N N
unde: x i reprezint diferitele valori ale centrelor de clas iar n i frecvenele
absolute corespunztoare.
Media aritmetic se poate calcu la mai simplu prin procedeul
sumelor, bazat pe formula:
x x 0 am1
unde: m1 este momentul obinuit de ordin 1, calculat n raport cu valoarea
arbitrar x 0 , iar a este mrimea intervalului de clas.
O alt modalitate, la fel de simpl, se bazeaz pe suma total a
frecvenelor cumulate. Se aplic formula:
D
x x1 a 1
N
unde x 1 reprezint centrul clasei cu cea mai mare valoare iar D suma
frecvenelor cumulate, de la clasele mici la cele mari.
13
Exemplu:
Tabelu l 2 . 7 x i ni 936
x 15.86
categorii de Frecvena N 59
diametre absolut d ini ni x x0 am1 16 2( 0.0678) 16 0.1356 15.86
xi ni
8 3 24 3 D 299
10 5 50 8 x x1 a 1 24 2 1 24 8.14 15.86
N 59
12 6 72 14
14 10 140 24
16 12 192 36 Media aritmetic ponderat
Dac, pentru probe ale aceleeai
18 9 162 45
populaii, se dispune de mai multe medii
20 8 160 53 aritmetice, se poate calcula o singur medie
22 4 88 57 general, utiliznd formula mediei
24 2 48 59 ponderate:
TOTAL 59 936 299 x1 n1 x 2 n 2 ... x k n k
x
n1 n 2 ...n k
Media general x se calculeaz numai dup ce se demonstrea z prin teste
statistice corespunztoare (analiza varianei), c mediile x1 , x 2, ...x k
reprezint estimaii ale aceleeai medii generale .
N
xh p
pentru valori grupate n clase
nk
k 1 xk
n
xg N x knk pentru valori grupate , unde n k sunt frecvenele
k 1
absolute
Media geometric este ntotdeauna mai mic sau cel mult egal cu
media aritmetic.
14
Media ptratic se calculeaz cu relaiile:
x k2
xp , n cazul valorilor negrupate
N
n k x k2
xp , n cazul valorilor grupate
N
Medii de structur:
Mediana, cuantilele
Mediana este valoarea x a irului statistic care, atunci cnd toate
valorile irului sunt aranjate n ordine c resctoare, mparte acest ir n
dou grupe egale ca numr.
Quartilul poate fi: inferior i superior. Primul, Q 1 , corespunde
valorii care separ primii 25% din termeni; al doilea, Q 3 , reprezint
valoarea care separ ultimii 25% din termeni.
Mediana i qu artilele rerprezint cazuri particulare ale
quantilelor . Quantilele se pot defini ca fiind variabila creia i
corespunde o frecven relativ cumulat dat. Astfel, mediana este
valoarea cvreia i corespunde o frecven relativ cumulat egal cu 0,5.
Quantilele se pot uor detrermina pe cale grafic. n acest sens se
folosete ogiva lui Galton .ntr-un sistem de coordonate
rectangulare se trec valorile x pe abscis i frecvenele cumulate pe
ordonat.Astfel, de exemplu, mediana este abscisa punctului car e rezult
din intersecia ogivei cu o paralel dus la abscis prin punctul N/2 al
frecvenelor absolute cumulate (sau punctul 0,5 al frecvenei relative
cumulate).
Analitic, mediana se calculeaz cu formula:
N
n
Me x Me a 2
n Me
unde:
x M e este limita inferioar a clasei n care se afl mediana
a = amplitudinea clasei
n = suma frecvenelor cumulate pn n dreptul clasei n care se
afl mediana.
Mediana este des utilizat n practic deoarece depinde mai puin
dect media aritmetic de forma distribuiei sau de valorile extreme ale
irului statistic.
Exemplu de calcul (cu datele din tabelul 2.7) :
59
24
2 29.5 24 5.5
Me 15 2 15 2 15 15.92
12 12 6
15
Modulul
Modulul este valoarea variabilei creia i corespunde cea mai
mare frecven , adic valoarea variabil ei cea mai probabil.
Distribuiile pot fi unimodale (cu un singur vrf) sau plurimodale
(cu mai multe vrfuri).
Modulul distribuiilor discrete se determin citind varianta cu cea
mai mare frecven. n cazul unei distribuii continui, modulul este
abscisa corespunztoare vrfului curbei de frecven i se calculeaz cu
formula :
n 0 n1
Mo x Mo a
2n 0 n1 n 2
unde:
x M o este limita inferioar a clasei modale
a este amplitudinea clasei
n o este frecvena clasei modale
n 1 , n 2 , sunt frecvenele clasei inferioa re i superioare celei modale.
Exemplu de calcul (cu datele din tabelul
12 10 4
2.7): Mo 15 2 15 15.8
24 10 9 5
16
Direct xi x
2
n xi x
2
2 2
s s
N 1 ni 1
Multiplicrii xi
2
x i ni
2
2 2
x i x nii
s 2 N ni
N 1 s2
ni 1
Momentelor s2 m2 s2 a 2 m2
2
m2 m2' m1'
2 x i ni
n xi x ni xi2 2x x i ni x2 ni dar: x
ni
2 2 2
2 2
xi ni xi ni 2
xi ni
n xi x ni x i 2 2
ni ni x i
ni ni ni
Valoarea dispersiei este tot timpul mai mare sau egal cu zero.
Cazul s 2 =0 poate fi ntnit numai dac toate valorile individuale coincid
cu media aritmetic.
Suma ptratelor abaterilor se mparte la N-1, i nu la N, pentru c
prin calcularea mediei (folosit la stabilirea abaterilor) o observaie este
deja blocat, rmnnd libere doar N-1 observaii. Acest termen (numitorul
formulelor) poart denumirea de grade de libertate.
Numrtorul formulelor poart denumirea de suma ptratelor
abaterilor i se noteaz cu Q.
17
Exemplu de calcul :
2
2
n xi x 3(8 15.86) 2 5(10 15.86) 2 6(12 15.86) 2 ... 2(24 15.86) 2
s
ni 1 59 1
3 * ( 7.86) 2 5 * ( 5.86) 2 ... 2 * 8.14 2 3 * 61.78 5 * 34.34 ... 2 * 66.26
... 16.25
58 58
2
x i ni
2
x ni 936 2
i
ni 15792
59 15792 14849 943
s2 16.25
ni 1 59 1 58 58
2
Tabelu l 2 . 8 m2 m2' m1' 4 0.0678 2 3.9954
categorii de Frecvena
diametre absolut x ini x
2
i nix
2
i s2 a 2 m2 2 2 * 3.9954 15.98
xi ni
8 3 24 64 192i 2.3.5. Asimetria
excesul
10 5 50 100 distribuiilor
500
12 6 72 144 864
experimentale (indicatorii
14 10 140 196 formei) 1960
16 12 192 256 ASIMETRIA 3072 reprezint
18 9 162 deplasarea
324 pe orizontal
2916 a
20 8 160 vrfului curbei experimentale fa
400 3200
de curba normal.
22 4 88 484 1936
Asimetria curbelor de
24 2 48 576 1152
frecven poate fi cauzat de
TOTAL 59 936 2544 15792
numrul prea mic de observaii
sau de alegerea necorespunztoare
a claselor de frecven (asimetrie aparent). Aceast asimetrie dispare
prin majorarea numrului deobservaii sau prin redimensionarea claselor
de frecven.
Asimetria real reprezint ns o particularitate obictiv a curbei
de frecven i este determinat cel mai adesea de influena puternic a
unui anumit factor.
O msur a asimetriei este dat de relaia lui Pearson :
x Mo
A
s
18
stnga n timp ce curba de frecven a arborilor pe categorii de nlimi
prezint o asimetrie de dreapta
Un calcul riguros al asimetriei se face cu relaiile:
N
3
xi x
A i 1
,pentru valori negrupate n clase, i
Ns 3
k
3
ni xi x
i 1
A k
pentru valori grupate n clase,
3
s ni
i 1
19
Dac E > 0 curba este ascuit (leptocurtik), iar dac E < 0 curba
este turtit (platikurtic). Pentru distribuiile normale E = 0.
2.4.ERORI DE REPREZENTATIVITATE
Erorile de reprezentativitate exprim gradu l de deprtare dintre
indicatorii eantionului i parametri populaiei. Cu ct volumul probei este
mai mare cu att erorile sunt mai mici.
x
n
unde : - abaterea standard
n - volumul eantioanelor considerate
Cnd observaiile se efectueaz la nivelul unei singure probe,
eroarea stan dard a probei se noteaz cu s x i se determin cu relaia:
s
sx ,
n
n
pentru populaii infinite sau suficient de mari 0,1 i cu relaia:
N
s N n
sx
n N
pentru populaii finite sau cu num r redus de uniti, unde se ia n
N n
considerare factorul de corecie .
N
Intervalul de ncredere se exprim n funcie de eroarea standard
: x ts x
unde t este criteriul statistic bilateral Student pentru un nivel de
semnificaie adoptat n funcie de n-1 grade de libertate, n fiind numrul
unitilor din eantion
Eroare admis
Expresia x e ts x reprezint eroarea admis sau acceptat i
poate fi exprimat i procentual:
20
ts %
e% ts x % pentru populaii infinite sau suficient de
n
mari
ts % N n
respectiv e% ts x % pentru populaii finite.
n N
Determinarea mrimii eantionului
Pe baza ultimelor relaii se poate determina numrul de observaii
sau mrimea eantionului (n ), n condiile unei anumite erori i
probabiliti admise ( e% i t), valorile coeficienilor de variaie stabindu -
se pe baza unui sondaj prealabil sau a datelor existente n literatura de
specialitate:
t 2s2 %
n pentru populaii infinite
e2 %
Nt 2 s 2 %
respectiv n pentru populaii finite.
Ne 2 % t 2 s 2 %
3.1. INTRODUCERE
Distribuiile experimentale reprezint estimaii ale unor distribuii
teoretice, definite de teoria probabilitilor.
Operaia de asimilare a unei distribuii experimentale cu o
distribuie teoretic poart denumirea de ajustare. Ajustarea se poate face
grafic (mecanic) sau analitic (pe baza unei ecuaii).
Ajustarea poate fi defi nit, deci, ca tehnica nlocuirii unui set de
valori observate cu o ecuaie (ajustare analitic) sau cu o curb continu
i neted (ajustare grafic), n stare s prezinte o imagine ct mai
apropiat de realitatea fenomenului studiat.
Pentru silvicultur p rezint importan urmtoarele distribuii :
distribuia binomial, distribuia evenimentelor rare (Poisson),
distribuia normal i distribuia Charlier(tip A), distribuia Pearson,
distribuia Beta, distribuia Rollet, distribuia Weibull. Pentru examina rea
semnificaiei i verificarea ipotezelor statistice, o larg aplicabilitate au
distribuiile : Student (distribuia t), Fisher (distribuia F) i Pearson
(distribuia
Pentru orice distribuie teoretic trebuie s se cunoasc funcia de
frecven sau probabilitatea teoretic , funcia de distribuie sau
probabilitatea total precum i parametri distribuiei respective.
Funcia de frecven este o relaie matematic care exprim,
pentru o distribuie teoretic, frecvenele relative sau probabilitile ce
corespund diferitelor valori ale variabilei aleatoare.
21
Funcia de distribuie exprim frecvenele cumulate sau
probabilitile totale, funcie de diferite valori ale variabilei aleatoare.
Toate distribuiile enumerate sunt bazate pe teoria probabilit ilor
i de accea, nainte de a le prezenta, se impune s ne oprim asupra
noiunii de probabilitate.
22
extrageri s fie acelai. n aceste condiii, probabilitatea ca din numrul
total de n exemplare ale probei, x uniti s posede caracteristica E este
dat de funcia de frecven a distribuiei binomiale, respectiv de
expresia:
n!
f ( x) p xqn x
x! (n x)!
sau
f ( x) C nx p x q n x
n x p
f (x 1) f ( x)
x 1 q
Cu formula de baz se calculeaz F(0)pentru x=0, iar cu formula
de recuren se calculeaz probabilitatea (frecvena) pentru celelalte
valori ale lui x .
Funcia de distribuie F(x) a distribuiei binomiale este dat de
relaia :
n
n!
F ( x) pxqn x
x o x! (n x)!
23
Tabelu l 3 . 1
Nr. arbori apti de Frecvene Frecvene teoretice
n*x n*x 2
derulaj x experimentale n relative absolute
0 14 0 0 0.179 11
1 22 22 22 0.336 20
2 10 20 40 0.284 17
3 7 21 63 0.142 8
4 4 16 64 0.047 3
5 2 10 50 0.011 1
6 1 6 36 0.001 0
7 0 0 0 0 0
8 0 0 0 0 0.0
9 0 0 0 0 0.0
10 0 0 0 0 0.0
Total 60 95 275 1 60
xi ni 95 x 1.58
x 1.58 p 0.158 sau p=15.8% i q=84.2%
N 60 n 10
2
x i ni
2
x ni 95 2
i
ni 275
60 275 150.42 124.58
s2 2.11
ni 1 60 1 59 59
s s2 1.45
n! 10!
f (0) p xqn x
0.158 0 0.84210 0
0.84210 0.179
0!(n 0)! 10!
n 0 p 10 * 0.158
f (1) f (0 1) f (0) 0.179 0.179 *1.876 0.336
0 1 q 1* 0.842
n 1p 9 * 0.158 1.422
f ( 2) f (1 1) f (1) 0.336 0.336 0.284
1 1 q 2 * 0.842 1.684
n 2 p 8 * 0.158 1.264
f ( 3) f (2 1) f ( 2) 0.284 0.284 0.142
2 1 q 3 * 0.842 2.526
n 3 p 7 * 0.158 1.106
f ( 4) f (3 1) f ( 3) 0.142 0.142 0.047
3 1 q 4 * 0.842 3.368
n 4 p 6 * 0.158 0.948
f (5) f (4 1) f ( 3) 0.142 0.047 0.011
4 1 q 5 * 0.842 4.210
24
n 5 p 5 * 0.158 0.79
f (6) f (5 1) f ( 3) 0.011 0.011 0.001
5 1 q 6 * 0.842 5.052
25
- este singurul parametru al distribuiei, egal cu
media aritmetic i n acelai timp cu dispersia
2
f (x 1) f ( x)
x 1
x 1 x
e e
f (x 1) f ( x)
( x 1)! ( x 1) x! x 1
Ajustarea distribuiilor experimentale dup legea Poisson se
face doar n cazul n care media aritmetic a distribuiei experimentale
este foarte apropiat de dispersi a distribuiei i cnd observaiile s -au
fcut pe uniti statistice discrete .
Exemplu:
2000 de arbori dint r -un arboret au fost analizai din punct de
vedere al prezen ei gelivurilor. n tabelul de mai jos sunt prezentat e
rezultat ele observa iilor :
Numar de Numrul de frecvene teoretice Poisson
gelivuri pe arbori observai xini 2
x i ni
arbore x i ni relative absolute
0 1210 0 0 0.607 1214
1 605 605 605 0.303 606
2 155 310 620 0.076 152
3 25 75 225 0.012 24
4 4 16 64 0.002 4
5 1 5 25 0.000 0
T otal 2000 1011 1539 1.000 2000
x i ni 1011
x 0.506 0.5
N 2000
2
x i ni
2
x ni 10112
i
ni 1539
2000 1539 511 1028
s2 0.514
ni 1 2000 1 1999 1999
s s2 0.717
Media aritmetic (0,506) este foarte apropiat de dispersia
distribuiei (0,514) ceeea ce arat c n acest caz este aplicabil
distribuia Poisson.
26
x
e
Cu formula f ( x ) calculm:
x!
0.5 0 e 0.5
0.5 1 1
f (0) e 0.607
0! e 2.71828
27
Pentru simplificare i pentru a se putea compara distribuiile de la
diferite populaii, se introduce variabila ajuttoare u, denumit variabil
normat :
x x
u Figu ra 3. 1 Curba de frecvene (sus) i
s
Funcia de frecven a curba de distribuie (jos) a distribuiei
distribuiei normale normate normale normate
va fi:
.
u2
1 2
f (u ) e
2
n aceste condiii, media este egal cu 0 iar abaterea standard este
egal cu unitatea (figura 1).
Distribuia normal este perfect simetric, are un maximum i dou
puncte de inflexiune corespunztoare absciselor - i + . Cu ct abaterea
standard este mai mic cu att curba de frecven este mai turtit i invers.
Curba este asimptotic la axa absciselor , ceea ce arat c i valorile mari
sunt posibile, dar probabilitatea lor este redus.
Funcia de distribuie , corespunztoare frecvenelor cumulate,
este dat de integrala:
x (x )2
1 2 2
F ( x) e dx
2
sau, n abateri normate:
u u2
1 2
F (u ) e du
2
Dac integrarea se face n limitele -
i + funcia F(u)=1.
Integrarea n limitele 0 i u definete
funcia lui Laplace :
u u2
1 2
(u ) e du
2 0
Aceast expresie reprezint suprafaa
de sub curba normal de la valoarea medie
pn la u (figura 2a)
1
Pentru u , (u ) , deci 2 (u)=1.
2
1
F (u ) (u ) reprezint frecvena
2
cumulat (probabilitatea total) i este
29
(u1)+ ( u 2 ) = 97,1%.
n afara acestor li mite, se vor gsi 100 -97,1=2,9% din cazuri, din care:
0,5- ( 2 , 0 ) =2,3% sub limita da 40g i 0,5 - ( 2 , 5 ) =0,6% peste li mita de
75g.
30
Tabelu l 3 . 2
31
Figu ra 3. 2
70
frecvene
experimentale ni
60
frecvene
teoretice ni
50
frecvene absolute
40
30
20
10
0
14 16 18 20 22 24 26 28 30 32 34 36 38 40 42
categorii de diametre
2
Verificarea calitii ajustrii se poate face cu criteriul dat de
relaia:
n i
2
2 ni
ni
unde n i sunt frecvenele experimentale iar n i sunt frecvenele teoretice
absolute.
32
.
u2
1
f (u ) e 2
este funcia de frecven a distribuiei normale
2
normate
.
u2
1
f (u ) e 2
(3u u 3 ) este derivata de ordin III a lui f(u)
2
.
u2
IV 1
f (u ) e 2
(u 4 6u 2 3) este derivata de ordin IV a lui
2
f(u)
A este asimetria
E este excesul
Pentru A=0 i E=0 distribuia Charlier se transform ntr -o
distribuie normal.
Frecvenele absolute, pe clase ale variabilei x, se obin aplicnd
formula:
Nh
n (u )
s
unde h este intervalul de clas.
Funciile f(u), f (u ) , f IV (u ) se pot calcula sau se iau din tabele.
Pentru calculul indicilor acestei distribuii se poate folosi
procedeul momentelor
m3 m4
A 3
E 2
3
m2 m 2
33
.
ui2
1 2
Caculul f(u i ) cu relaia: f (u i ) e ,
2
Calculul derivatei de oridn trei: f (ui ) (3ui ui3 ) f (ui )
Calculul derivatei de oridn patru:
IV 4 2
f (u i ) (u i 6u i 3) f (u i )
Calculul funciei de frecven:
A E IV
(u i ) f (u i ) f (u i ) f (u i )
6 24
Caculul frecvenelor teoretice absolute
n cu relaia:
Nh
n i (u i ) , unde h este amplitudinea clasei, s abaterea
s
standard iar N numrul total de observaii
Verificarea calitii ajustrii cu un criteriu riguros ( 2 ).
Tabelu l 3 . 3
34
Figu ra 3. 3
70 ni exp
ni teor
60
frecvene absolute
50
40
30
20
10
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
categorii de diametre
35
b
F , ( x) ( x a) (b x) dx
a
N
Funcia de repartiie devine: f ( x) b
( x a ) (b x)
( x a ) (b x) dx
a
Funcia este foarte flexibil i se folosete pentru variabile
continue. n silvicultur este foarte indicat pentru descrierea distribuiei
arborilor n arboret pe categorii de diametre.
Etapele ajustrii distribuiei experimentale dup distribuia
Beta
Redactarea tabelului de ajustare (tabelul 3.4)
Calculul valorii medii x m e d , al varianei s 2 i al abaterii
standard s.
Stabilirea limitelor distribuiei: a=limita inferioar i
b=limita superioar
x a
Calculul mediei aritmetice relative: x relativ
b a
2
2 s
Calculul dispersiei relative: s relativ
(b a ) 2
x relativ
Calculul partametrului K: k
1 x relativ
k
1
s r e l (1 k ) 2
2
Calculul parametrilor n i m: n ;
1 k
x rel n
m kn
1 x re
Calculul exponenilor i cu relaiile: m 1 ; n 1
Calculul frecvenelor teoretice dup distribuia beta:
n i C ( x a) (b x)
36
Compararea frecvenelor teoretice cu cele experimentale i
verificarea calitii ajustrii cu un criteriu riguros.
Figura 3. 4
Ajustarea distribiei experimentale dup distribuia Beta
ni exp
70
frecvene
60
frecvene absolute teoretice
50
40
30
20
10
0
14 16 18 20 22 24 26 28 30 32 34 36 38 40 42
categorii de diametre
Tabelu l 3 . 4
37
3.9. DISTRIBUIA MEYER
Se utilizeaz frecvent n cazul distribuiilor descresctoare. n
silvicultur este utilizat la ajustarea repartiiei numrului de arbori pe
categorii de diametre n arboretele pluriene.
Frecvenele teoretice se determin cu relaia:
xi
ni ke
unde: n i reprezint frecvenele teoretice;
e este baza logaritmilor naturali (e=2,71828)
k i sunt parametri funciei
Pentru determinarea parametrilor ecuaiei, se logaritmeaz funcia
de frecven:
log n i log k xi log e dar ln e 1 ln n i ln k xi
n aceast relaie se introduc frecvenele experimentale ale celor
dou valori extreme ale variabilei (notatecu A i B), rezultnd un sistem
de dou ecuaii cu dou necunoscute: i k.
log n A log k A log e ln n A ln k A
sau
log n B log k B log e ln n B ln k B
Dac n relaia log n i log k xi log e nlocuim: log ni y i ; logk a i
log e b ,
aceasta devine y i = a+bx i , care este ecuaia unei drepte
Parametri a i b se pot determina i prin metoda celor mai mici
ptrate, rezolvnd sistemul de ecuaii:
aN b n i x i ni y i
a ni x i b n i x i2 ni xi y i
Cunoscnd valorile a i b se pate determina y i a bxi , iar apoi,
deoarece log ni y i se pot calcula frecvenele absolute compensate
n 10 yi
Exemplu:
ntr-un arboret plurien s -au inventariat arborii i au fost grupa i pe
categorii de diametre rezultnd distribuia experimental din tabelul 3.5.
Se cere s se ajusteze aceast distribuie experimental dup legea Meyer.
38
Tabelu l 3 . 5
2 Elemente de
xi ni log ni n comp
calcul
8 395 2.597 395 0.0
12 210 2.322 279 16.9 a=8
16 101 2.004 197 46.5
20 62 1.792 139 42.5
24 39 1.591 98 35.5 b=64
28 28 1.447 69 24.4
32 45 1.653 49 0.3
36 49 1.690 34 6.2 n A= 395
40 56 1.748 24 41.4
44 63 1.799 17 122.8
48 42 1.623 12 74.0 n B =3
52 30 1.477 9 54.0
56 16 1.204 6 16.5
60 10 1.000 4 7.8
a=0.08716
64 3 0.477 3 0.0
total 1149 24.426 1335 488.9
k=793.2
lg 395 log k 8 lg e 2.596 log k 8 * 0.4343
lg 3 log k 64 log e 0.477 log k 64 * 0.4343
2.596 log k 3.4744
0.477 log k 27.7952
2.119
2.596 3.4744 0.477 27.7952 0.0871
24.3208
n i 793.2e 0.0871xi
y i 2.659 0.0259 xi n 10 yi
39
Tabelu l 3 . 6
Figu ra 3. 5
250
curba teoretica 1
200
150
100
50
0
8 12 16 20 24 28 32 36 40 44 48 52 56 60 64
categ de diam .
40
CAPITOLUL 4 : EXAMINAREA SEMNIFICAIEI
4.1. GENERALITI
Semnificaia
La fiecare extragere a unei probe dintr -o populaie, se obin alte
valori pentru medie, varian, frecvene relative, coeficient de corelaie,
etc., valori care se abat mai mult sau mai puin fa de valorile adevrate
ale parametrilor populaiei. Abaterile vor fi cu att mai accentuate cu ct
variabilitatea este mai mare.
n situaia n care probele sunt extrase din populaii diferite apare
o nou surs de variaie lega t de particularitile diferite ale fiecrei
populaii n parte. Compararea indicilor statistici obinui prin probe luate
din aceeai populaie sau din populaii diferite este ngreunat de prezena
variabilitii individuale din cadrul fiecrei populai i.
Influena cauzelor ntmpltoare asupra diferenelor dintre indicii
statistici ai probelor se poate diminua pe msur ce se mrete numrul
observaiilor, evideniindu -se mai pregnant diferenele cauzate de factorii
obiectivi. n practic ns, posibili tile de majorare a numrului de
observaiii sunt limitate aa nct suntem constrni a trage concluzii n
baza unor probe de volum restrns.
ntrebrile pe care ni le punem legat de semnificaie se refer la:
-este sau nu semnificativ diferena dintre dintre o medie stabil
(obinut pe cale teoretic sau din cercetri anterioare) i media rezultat
din cercetarea unei probe;
-este sau nu semnificativ o diferen dintre mediile privind dou
sau mai multe probe;
-este sau nu adevrat diferena dintr e varianele privind sau mai
multe probe analizate.
ntrebri asemntoare se pun i n ceea ce privete compararea
distribuiilor, compararea coeficienilor de corelaie i a coeficienilor de
regresie, compararea proporiilor, etc.:
-care diferene pot fi considerate ntmpltoare i deci
nesemnificative ?
-cnd diferenele sunt semnificative (abateri veritabile) se
datoreaz ele unor factori de influen sistematici, sau nu ?
Ipoteza nul
Pentru a putea rspunde la problema semnificaiei se formuleaz
iniial o ipotez care n urma analizei va fi acceptat sau respins.
Frecvent se folosete ipoteza nul (H 0 ) care const n presupunerea
c abaterea indicilor estimai fa de parametri populaiei este zero (nul).
Metodele statistice au drept scop de a v erifica dac aceast ipotez este
sau nu adevrat. Verificarea ei se face prin comparaii. Respingnd
ipoteza nul, se accept semnificaia abaterii respective. Acceptnd -o
rezult c nu exist nici un temei pentru a accepta semnificaia diferenei.
41
Erorile n verificarea ipotezei nule sunt de dou genuri :
Erori de genul I, prin care pe baza rezultatelor prelucrrii
datelor caracteristice eantionului, se respinge ipoteza nul
cnd ea este de fapt adevrat la nivelul populaiei ;
Erori de genul II, cnd, pa baza aceluiai eantion, se
accept ipoteza nul, ea fiind de fapt fals la nivelul
populaiei.
Pentru a reduce erorile de genul I trebuie respinse numai ipotezele
care se realizeaz cu o probabilitate mai mic de 5%. n unele situaii se
resping ipot ezele care se realizeaz cu o probabilitate mai mic de 1% sau
0,1%. Valoarea de 5%(sau 1% sau 0,1%) se numete probabilitate de
transgresiune sau nivel de semnificaie i se noteaz de obicei cu .
Pentru erorile de genul II probabilitatea de a accepta H 0 , cnd de
fapt ea este fals, se noteaz cu , iar n practic se alege de obicei
=0,10 sau =0,05.
Teste de semnificaie
Verificarea ipotezelor statistice se face cu ajutorul testelor de
semnificaie.
Testul statistic este o metod care permite luarea unei decizii cu
privire la o populaie pornind de la o informaie incomplet furnizat de
un eantion.
Testele statistice se aplic pentru compararea valorilor
parametrilor unei populaii cu valori fixate anterior, sau la compararea
ntre ele a valorilor a dou sau mai multe eantioane sau populaii.
Pentru verificarea semnificaiei se folosesc mai multe categorii de
teste de semnificaie, n funcie de natura ipotezelor de verificat. Frecvent
utilizate sunt :
Testele de conformitate destinate pentru a com para ntre ele o
populaie teoretic i o prob observat, din punctul de vedere al
mediilor, abaterii standard, varianei, coeficientului de corelaie,
coeficientului de regresie, etc.
Testele de egalitate, sau de omogenitate, permit compararea unui
anumit numr de populaii prin intermediul unui numr egal de
probe extrase din aceste populaii. Se aplic pentru verificarea
omogenitii mediilor, varianelor, coeficienilor de corelaie, etc.
Testele de ajustare permit s se verifice dac din toate punc tele de
vedere, o prob observat poate fi considerat ca fiind extras
dintr-o populaie dat. Aceast verificare se realizeaz prin
compararea frecvenelor observate ale probei cu frecvenele
teoretice a le populaiei.
Testele de independen permit s s e controleze, n baza unor probe
, dac sunt independente dou sau mai multe criterii de clasificare,
n general calitative.
42
Clase de semnificaie . n raport cu mrimea probabilitii de
transgresiune acceptat s -au format urmtoarele clase de semnificaie :
Probabilitatea de transgresiune Dif erena este
>5% nesemnificativ (neasigurat)
1-5% semnificativ (asigurat)
0,1 - 1 % distinct semnificativ (bine asigurat)
< 0,1 % foarte semnificativ (foarte bine asigurat)
sx
N
cunoscnd c i mediile probei se distribuie tot n ormal, n jurul aceleeai
medii a populaiei, limitele intervalului de ncredere vor fi:
x us x
Pentru u=1,96 ; 2,58 sau 3,29, exist o siguran statistic
(probabilitate de acoperire) de 95 ; 99 respectiv 99,9 %, ca media
populaiei (med ia adevrat) s se gseasc undeva n intervalul definit de
x us x . Probabilitile de transgresiune (de depire, de a grei) sunt de
5%, 1% respectiv 0,1%.
Exem plu:
ntr -un arboret de molid s -a deter minat valoarea coeficientului de for m
natural, prin doborrea a cinci arbori. S -a obinut o valoare medie de 0,50.
Valoarea medie a coeficientului de variaie a coeficientului de f or m
(s%), cunoscut din cercetri anterioare, este de 8%. (Pe baza a doar cinci
43
msurtori precizia de deter min are a abateri i standard este foarte redus i nu
este indicat s o folosi m).
Pentru o probabilitate de transgresiune de 5%, se cere s se stabileasc
ntre ce limite este cuprins valarea adevrat a mediei coeficient ului de for m.
s 0,5 * 8
s% 100 s 0,04 , iar eroarea standard a
x 100
0.04
mediei: sx 0,021
N 5
din tabele, pentru =5% u= 1,96
Media adevrat va fi ntre limitele x us x adic 0.50 1.96 * 0,021 0,50 0,041
x 120cm s=20,8 cm
s 20,8
sx 6,0
N 12
din tabele, pentru =1% i f=12-1=11 grade de libertate t= 1,96
intervalul de ncredere al mediei va fi: x ts x 120 3.106 * 6 120 19
Folosirea testului u
44
Testul u se aplic atunci cnd abaterea standard teoretic este
cunoscut, cnd valoarea x provine dintr -o prob normal distribuit de
volum foarte mare.
Se d: - x media experimental calculat n baza unei probe cu N
observaii extras dintr -o populaie cu media necunoscut.
- 0 - media cunoscut a unei populaii ce poate rezulta din
consideraii teoretice sau din observaii anterioare.
- abaterea standard cunoscut
Se cere s se determine dac ntre media i 0 exist diferene,
deci dac este valabil ipoteza H 0 : = 0 .
x 0 x 0
Se calculeaz: u N
x
Dac u e x p e r i m e n t a l > u t e o r e t i c , atunci diferena ntre cele dou medii
este semnificativ i ipoteza nul se va respinge
Ex empl u :
Pe nt r u se mi ne le de bra d s -a sta bil it ca va l oa r e med ie a p op ula iei
gre uta te a de 55 , 4 g p e nt ru mi a de s emi ne i o a ba ter e sta nda rd de 7, 8 5 g. O
cer ce ta re e fe ct ua t n tr - o a n u mit z o n ba za t pe un n um r de 2 76 ob ser va ii
a sta bil it o n ou me d ie de 61 , 3 gra me . N e in tere sea z da c n o u a med ie e ste
ma i m a re de c t c e a st a bil it ca med ie a p op ula iei :
x 0 61,3 55,4
u exp N 276 12,48
7.85
u t a b e l a r = 1,64 . D e c i, u e x p >u t a b e l a r di fe re na e ste se m n i fi ca t iv , de ci
gre uta te a se m i ne l or din ca re s -a u f c ut obs er va i ile se d eo s ebe te f oa rte
sem ni fi ca ti v de m e di a sta b ili t a nte ri or .
Folosirea testulu t
Testul t se aplic atunci cnd nu se cunoate valoarea teoretic a
abaterii standard i cnd numrul d e msurtori estze relativ mic ( N<30)
x 0
t N
s
Se pune problema i n acest caz dac ntre media eantionului ( x )
i media populaiei ( 0 ) exist sau nu diferene, deci dac este sau nu
valabil ipoteza nul H 0 : x 0
45
Din tabele, pentru =5%unilateral , t t a b e l a r =1,833
Deci t e x p <t t a b abaterea este nesemnificativ pentru probabilitatea de
transgresiune de 5%.
46
2 2
76.8 s2
1.32 2
, deci ipoteza este adevrat. Populaia
f 58 0 f
din care s -a extras pr oba are o dispersie mai mare dect cea cunoscut. Sti vele
din care s -au extras cele 59 de probe sunt mai puin omogene n raport cu
factorul de cubaj dect cele anterior studiate.
f f
2
unde: s este variana rezultat din experiment;
2 2
1 este criteriul pentru probabilitatea p= 100- /2
2 2
2 este criteriul pentru probabilitatea p= /2
f este numrul gradelor de libertate f=N-1
Exemplu:
Limitele de ncredere pentru varian a s 2 =0,0056 din exemplul
anterior, pentru o probabilitate de transgresiune de 5% se calculeaz
astfel:
Din tabele, se ia valoarea lui 1 2 pentru probabilitatea p=100-
5/2=97,5%i f=58
pentru f=50 1 2 =32,36
2
pentru f=60 1 =40,48 pentru f=58
2 8
1 32.36 (40.48 32.36) 38.9
10
se ia valoarea lui 2 2 pentru probabilitatea p=5/2=2,5% i f=58
pentru f=50 2 2 =71,42
2
pentru f=60 2 =83,30 pentru f=58
2 8
2 71.42 (83.30 71.42) 80.92
10
2 s2 0.0056 0.0056 2 s2 0.0056 0.0056
s sup 2
0 . 0084 s inf . 2
0.0040
1
38.9 0.67 2
80.9 1.39
f 58 f 58
Aadar, n 95% din cazuri, la repe tarea experienei, ne putem atepta la o
varian cuprins ntre 0,0084 i 0,0040. Limitele abaterii standard vor
fi: 0.0084 0.092 i respectiv 0.0040 0.063 .
47
aplic pentru verificarea omogenitii mediilor, varianelor, coeficienilor
de corelaie.
48
s12 1.38
Fcalc 2
1.97
s 2 0.7
Din tabelele, pentru = 5%, i f 1 =44, f 2 =34 F t a b e l a r =1,9 (n tabelele
pentru F unilateral fol osi m probabilitatea =2,5%)
Deoarece F c a l c =1,97 > 1,9=F t e o r e t i c diferena dintre cele dou
dispersii este semnificativ i putem susine c cele dou clone difer din punct
de vedere al variabilitii nlimilor.Varianele nefiind omogene, nu se poate
calcula o varian comun.
49
2
s max
Se calculeaz raportul H calc 2
care se comp ar cu H t e o r e t i c luat
im
s min im
din tabele, n funcie de numrul gradelor de libertate f=n-1 i de p
(numrul de grupe comparate)
Dac H c a l c u l a t Hteoretic ntre variane nu exist diferene
semnificative.
Dac H c a l c u l a t Hteoretic ntre variane exist diferene
semnificative.
standard va fi: s
2f
s
Limitele de ncredere ale abaterii standard vor fi : s u
2f
50
s 22 2
2 , cu f 2 =N 2 -1 grade de libertate ;
51
2 s12 f 1 s 22 f 2 2
s
f1 f 2
2 2
Prin nlocuirea lui cu s se va apela la testul t :
x1 x 2
t exp
1 1
s
N1 N 2
Din tabele, n funcie de i f=N 1 +N 2 -2, se obine t t e o r e t i c .
Dac t e x p <t t e o r e t i c se accept ipoteza nul. n acest caz se poate
calcula o medie ponderat:
N 1 x1 N 2 x 2
x
N1 N 2
i o varian comun:
2 2
2
x1i x x 2i x 2
s0
N1 N 2 1
Pentru noua valoare medie limitele inter valului de ncredere vor fi:
x ts x
Procedeul diferenelor limit (DL) se folosete la compararea
mediilor tot n cazul cnd 12 2
2 .
Se aplic relaia: DL ts d
Din tabele, se extrage valoarea t pentru =5%, =1% i =0,1%.
s d eroarea standard a diferenei se calculeaz cu relaia:
N1 N 2 s12 f 1 s 22 f 2
sd s , unde s
N1 N 2 f1 f2
Se calculeaz diferena d x1 x 2 i se compar cu diferenele
limit DL.
Dac : DL 5 % >d diferena este nesemnificativ
DL 1 % >d>DL 5 % diferena este semnificativ
DL 0 , 1 % >d>DL 1 % diferena este distinct
semnificativ
d>DL 0 , 1 % diferena este foarte semnificativ
Exem plu:
ntr -un arboret de larice s -au extras probe de cretere la 70 de arbori pe
dou direcii (Nord i Sud) ale aceleeai seciuni transversale. S se stabileasc
ce influen are asupra mediilor de selecie poziia de recoltare a probelor.
52
Poziia Media de selecie Dispersia s 2 N Grade de libertate f=N-1
Nord 15.42 4.1 70 69
Sud 13.64 3.7 70 69
2 2
Cu aj utorul testului F se verific ipoteza H 0 : 1 2
s12 4.1
Fexp 2
1.108 F t e o r e t i c =1,47
s 2 3.7
2 2
Deoarece F e x p <F t e o r e t i c se admite ipiteza potrivit creia 1 2 i se
poate calcula o va rian comun:
s12 f 1 s 22 f 2 4.1* 69 3.7 * 69 538.2
s2 3.9
f1 f2 69 69 138
s s2 3.9 1.97
x1 x 2 15.42 13.64 1.78
t exp 5.313
1 1 1 1 0.335
s 1.97
N1 N2 69 69
Pentru =5 % i f=N 1 +N 2 -2=138, se obine t t e o r e t i c =1,98
t e x p >t t e o r e t i c mediile nu sunt estima ii ale aceleeai medii a
populaiei, deci poziia de recoltare a probelor de cretere influeneaz puternic
valoarea medie a creterii.
Prin procedeul diferenei lim it :
N1 N 2 70 70 140
DL ts d unde s d s 1.97 1.97 * 0.335
N1 N 2 70 * 70 4900
DL0.05 t 0.05 s d 1.98 * 0.335 0.663
DL0.01 t 0.01s d 2.62 * 0.335 0.877
DL0.001 t 0.001s d 3.37 * 0.335 1.129
d x1 x2 15.42 13.64 1.78
d=1,78>1,129=DL 0 , 1 % diferena este foarte semnificativ
53
s12
Fexp dac F e x p >F t e o r e t i c , se respinge ipoteza H 0 , deci
s 22
2 2
1 2
x1 x2 s
- se calculeaz t exp sx
s x21 s x22 N
- se extrage din tabele t t e o r e t i c , n funcie de i de f determinat
mai sus
Dac t e x p >t t e o r e t i c cele dou medii se refer la populaii
distincte
Exem plu:
ntr -un arboret de molid s -au putut distinge dou poriuni: prima
poriune, unde o perioad ndelungat s -a pr acticat punatul; a doua poriune
ferit de punat, datorit unor mprj muiri efectuate din timp. S -a cerut s se
stabileasc dac punatul a influenat asupra nlimii medii a arboretului.
n acest scop, n cele dou poriuni au fost msurate cte 25 de nlimi
la arbori cu diametre apropiate de diametrul mediu. n baza msurtorilor
efectuate, au rezultat ur mtoarele valori ale indicilor statistici:
nlimea medie Dispersia s 2 N Grade de libertate f =N-1
Poriuna punat 25.7 2.35 25 24
Poriuna nepunat 27.5 1.05 25 24
- se verific ipoteza H 0 : 2
1
2
2 cu testul F
s12 2.35
Fexp 2
2.24 F t e o r e t i c =1,98 pentru =5%
s 2 1.05
F e x p >F t e o r e t i c i se respinge ipoteza nul, deci 2
1
2
2
- se calculeaz
x1 x 2 x1 x 2 25.7 27.5 1.8 s
t exp 4.9 sx
2 2
s x1 s x2 s12 2
s2 2.35 1.05 0.369 N
N1 N 2 25 25
s12 2.35
N1 25
c 0.69 iar
s12 s 22 2.35 1.05
N1 N2 25 25
1 1
f 2 2 2 2
42
c 1 c 0.69 1 0.69
f1 f2 24 24
- n funcie de =5% i de f=42, se extrage din tabele
t t e o r e t i c =2,021
t e x p =4.9>2.021=t t e o r e t i c cele dou medii se refer la populaii
distincte
54
Concluzia rmne valabil i pentru =0,1%. Prin punat, n arboret
s-au creat dou populaii distincte.
Prin procedeul diferene i lim it:
s12 s 22 2.35 1.05
DL ts d unde s d 0.37
N1 N2 25 25
DL0.05 t 0.05 s d 2.021 * 0.37 0.75
DL0.01 t 0.01s d 2.704 * 0.37 1.00
DL0.001 t 0.001s d 3.551 * 0.37 1.31
d x1 x2 25.7 27.5 1.8
d=1,8>1,31=DL 0 , 1 % diferena este foarte semnificativ
55
aleas prin tragere la sori, se trateaz iar cealalt rmne
martor.Rezultatele obinute sunt cele din tabelul de mai jos
d i 8.3
Compararea mediilor prin procedeul cuplurilor d N 10
0.83
nlimea medie n di
2
Perechea 2 8.3 2
d i =x 2 -x 1 di 2 d i 12 . 89
nr. parcela tratat cu N 10
martor s d2 0.667
ngramnt N 1 9
1 5.5 6.2 0.7 0.49
2 5.5 5.6 0.1 0.01
3 6.0 5.6 -0.4 0.16
sd sd2 0.667 0.817
4 6.6 7.7 1.1 1.21 x1 x2 0.83
5 6.1 7.7 1.6 2.56 t exp N 10 3.21
sd 0.817
6 7.5 8.6 1.1 1.21
7 6.4 6.4 0.0 0.00
8 7.3 8.0 0.7 0.49 pentru f=10-1=9
9 7.4 8.4 1.0 1.00 t 0 , 0 5 =2,262 t 0 , 0 1 =3,25
10 5.6 8.0 2.4 5.76
Total 8.3 12.89 t e x p >t 0 , 0 5 o semnificativ
influen, negativ, a aplicrii ngrmntului, asupra dezvoltrii
puieilor..
56
Dac uexp< uteoretic diferena dintre proporii este
nesemnificativ.
2 pi p N i ( pi p) 2
exp
p (1 p ) p (1 p )
Ni
ai
unde p i este proporia i, dintre a i cazuri favorabile din numrul de
Ni
ai
observaii N i , iar p , este proporia medie.
Ni
2 2
Dac exp erimental> teoretic diferena dintre proporii este
semnificativ.
2
t e o r e t i c se deetermin din tabele, n funcie de probabilitatea de
transgresiune i de f=K-1 grede de libertate, unde K este numrul
proporiilor analizate.
57
Se calculeaz:
n i
2
2 ni
exp
n i
unde: n i sunt frecvenele teoretice absolute iar,
n i sunt frecvenele experimenta le.
Din tabele, se determin 2 t e o r e t i c , n funcie de probabilitatea de
transgresiune i de numrul gradelor de libertate:
f=k-n-1
unde:
k reprezint numrul claselor rmase dup gruparea
claselor cu frecvena sub 5, iar
n reprezint numrul momentelor lu ate n considerare
la calculul distribuiei teoretice. ( n=1 pentru distribuia
binomial i Poisson; n=2 pentru distribuia normal; n=4
pentru distribuia Charlier; n=0 n cazul comparrii a dou
distribuii empirice, deoarece nu se calculeaz nici un
moment).
2 2
Dac exp > teoretic diferena dintre distribuii este
semnificativ, se respinge ipoteza nul.
58
x2 x1 xn xn 1
;
s s
unde x 1 , x n sunt valorile extreme suspecte iar x 2 , x n - 1 sunt valori ce aparin
irului.
Din tabele, se extrag valorile lui t e o r e t i c :
Numrul valorilor observate
P 10 50 100 400 1000
valori ale lui eor etic :
0.95 1.5 1.1 1.0 0.9 0.8
0,99 2 1.6 1.5 1.3 1.2
Criteriul Charlier
Propune eliminarea valorilor situate n afara intervalului:
x zq s
unde: x este media aritmetic, s abaterea standard, iar z q este un
coeficient ce se determin din tabele, n funcie de probabilitatea de
transgresiune acceptat i de numrul de observaii ( N)
Criteriul Romanovschi
Pentru eliminarea valorilor suspecte, se propune efectuarea
urmtoarelor calcule:
a) Determinarea abaterii standard de selecie numai pentru N-1
mrurtori, cu relaia:
2
xi x ni
s
N 1
b) Calculul abaterii standard s pentru ntreaga colectivitate, n
funcie de mrimea lui s , utiliznd relaia aproximativ:
N 1
s s
N
c) Determinarea mrimii z cu relaia:
xn x
z exp
s
d) Determinarea lui z t e o r e t i c , din tabele, n funcie de
probabilitatea de transgresiune q i de numrul de observaii
(N).
e) Comararea lui z c a l c u l a t cu z t e o r e t i c . Dac z c a l c u l a t > z t e o r e t i c ,
atunci valoarea lui x n trebuie eliminat din irul de date.
59
Criteriul Grubbs
Pentru eliminarea valorilor aberante (fie x 1 , fie x n )se
procedeaz astfel:
a) Se ordoneaz datele irului x 1 , x 2 ,..x n n ordine
cresctoare ;
b) Se determin media aritmetic ( x ) i abaterea standard
(s) ;
c) Se calculeaz indicatorii:
xn x
v , pentru situaia n care x n este considerat
s
valoarea aberant, i
x x1
v , pentru situaia n care x 1 este considerat
s
valoarea aberant.
d) Se determin z q , din tabele, n funcie de probabilitatea
de transgresiune q i de numrul de observaii ( N).
e) Se compar valorile lui v sau v cu valoarea lui z q . Dac v
sau v >z q , atunci valoarea extrem trebuie eliminat.
60
cauzalitate nu se cunoate i el se poate datora aciunii unor factori
neluai n considerare, unor erori de msurare. Aceast variaie rezidual
(s E 2 ) este folosit ca unitate de msur pentru examinarea semnificaiei
celorlalte componente ale variaiei totale.
n acest scop se folosete testul F :
- dac F e x p e r i m e n t a l <F t e o r e t i c factorul studiat nu
influeneaz
caracteristica
respectiv
- dac F e x p e r i m e n t a l >F t e o r e t i c factorul studiat are o
influen
semnificativ.
Dac prin testul F s-a constatat o influen semnificativ a unor
anumii factori, se trece apoi la o analiza de detaliu, cu ajutorul testului t,
stabilindu-se ntre care variane exist diferene semnificative.
Analiza este aplicabil atunci cnd:
- varianele probelor luate n considerare sunt omogene
- probele se formeaz randomizat (la ntmplare)
- varianele reprezint probe extrase din populaii normal
sau aproape normal distribuite
- numrul observaiilor este suficient de mare
Analiza varianei poate fi:
- simpl cnd valorile individuale se grupeaz dup un
singur criteriu
- dubl cnd observaiile se grupeaz dup dou criterii
- multipl cnd n experimente intervin mai mult e
grupri.
...
...
...
...
61
- suma total a ptratelor abaterilor
2
2
xij G2
Q x ij xij2
N N
2
G
dac se nlocuiete C Q xij2 C
N
unde C este denumit termen de corecie
- suma ptratelor abaterilor ntre grupe (variane)
Ti 2
QT C
ni
- suma ptratelor abaterilor din interiorul grupelor
(varianelor)
QE Q QT
QT
- variana ntre grupe (variane): sT2
fT
QE
- variana rezidual (eroare): s E2
fE
sT2 var ianta dintre grupe
- testul F: F
s E2 varianta reziduala
f T K 1 -numrul gradelor de libertate pentru variana
ntre grupe
f E N K - numrul gradelor de libertate al varianei
reziduale
Desfurarea calculelor este prezentat n tabelul 5.2.
Tabelu l 5 . 2
62
- se calculeaz eroarea diferenei di ntre variane ,
folosind variana rezidual:
1 1
sd sE
ni n j
dac numrul de observaii ( n) este acelai pentru toate
2s E2
grupele, relaia devine: s d
n
- se determin diferenele limit pentru diferite
probabiliti de transgresiune:
DL5% t 0, 05 s d ; DL1% t 0, 01s d ; DL0,1% t 0, 001s d
unde t se determin n funcie de f=N-K grade de
libertate.
Difrenele d xi x j dintre media varianei i i media varianei j
se compar cu diferenele limit calcula te pentru diferite probabiliti.
Dac:
- d< DL 5 % diferena este nesemnificativ
- DL 5 % <d<DL 1 % diferena este semnificativ
- DL 1 % <d<DL 0 , 1 % diferena este distinct
semnificativ
- d>DL 0 , 1 % diferena este foarte
semnificativ
La analiza simp a varianei, se pot utiliza grupe cu numr egal de
observaii sau grupe cu numr inegal de observaii .
Exempu:
n vederea extinderii molidului n afara arealului natural de
vegetaie se cere s se stabileasc condiiile staionale n ca re se obin
cele mai bune rezultate. Pentru aceasta s -au ales randomizat, n patru
tipuri de staiuni (I, II, III, IV), cte cinci arborete arborete de aceeai
vrst. Pentru fiecare arboret s -a determinat nlimea medie, nlime
considerat drept criter iu de estimare a productivitii arboretului.
S-au obinut urmtoarele date de teren:
Tabelu l 5 . 3
63
Pentru simplificarea calculelor se scade 10 din fiecare valoare
observat, fr ca prin aceasta rezul tatul calculelor s se modifice cu
ceva:
Tabelu l 5 . 4
Ti 2 35 2 10 2 25 2 20 2
QT C 320 70 cu f T K 1 4 1 3
ni 5
grade de libertate
QE Q QT 116 70 46 cu f E N K 20 4 16 grade de
libertate
QT 70
variana ntre grupe: sT2 23.3
fT 3
Q E 46
variana rezidual: s E2 2.9
f E 16
Q 116
variana total: s 2 6.1
f 19
s T2 23.3
Fexp 2
8
s E 2. 9
F0,05 3.24 F0,01 5,29 , pentru f 1 =3 i f 2 =16
64
Fexp> Fteoretic diferen distinct semnificativ ntre tipurile de
staiune i, n acest caz, se trece la o analiz de detaliu privind stabilirea
semnificaiei diferenelor dintre grupe , analiz ce se face prin intermediul
testului t:
2s E2 2 * 2,9
-eroarea diferenei dintre variane : s d 1,077
n 5
-se determin diferenele limit pentru diferite probabiliti de
transgresiune:
pentru f=N-K =16 t 0 , 0 5 =2,12 DL5% t 0,05 s d 2.12 *1.077 2.27
t 0 , 0 1 =2,921
DL1% t 0,01s d 2.921*1.077 3.13
] t 0 , 0 1 =4,015 DL0,1% t 0,001s d 4.015 *1.077 4.3
-ntocmim tabelul cu difrenele d xi xj :
Tabelu l 5 . 5
diferene fa de grupa ...
Grupa x *** diferen foarte semnificativ
I II III IV
I 7.0 - 5,0 *** 4,0 ** 3,0 *
** diferen distinct semnificativ
II 4.0 - - 1 2
III 3.0 - - - 1
* diferen semnificativ
IV 2.0 - - - -
65
o Mediile grupelor se ordonea z descresctor, dup
cum urmeaz:
T ab elu l 5 . 6
Grupa I IV III II
x 7.0 4.0 3.0 2.0
rangul p fa de I 2 3 4
rangul p fa de IV 2 3
rangul p fa de III 2
o Din tabele, pentru f=16 grade de libertate, pentru
probabilitatea de transgresiune aleas i n funcie
de numrul mediilor cuprinse n serie (rang) p, se
determin valorile q (amplitudini de variaie
Student). Pentru exemplul c onsiderat obinem:
p 2 3 4
q 5% 3.00 3.14 3.24
q 1% 4.16 4.36 4.49
o Se calculeaz diferenele semnificative cele mai
mici, respectiv DL5% q 5% s x i DL1% q1% s x :
p 2 3 4
DL 5% 2.3 2.4 2.5
DL 1% 3.2 3.3 3.4
o Diferena dintre dou medii oarecare dintr -un ir de
k medii se consider semnificativ dac este mai
mare dect DL 5 % .
T ab elu l 5 . 7
Se compar Diferene dintre Diferena dintre
p q 5% DL 5%
grupele medii, d medii este
I cu II 7,0-2,0=5,0 4 3.24 2.5 semnificativ
I cu III 7,0-3,0=4,0 3 3.14 2.4 semnificativ
I cu IV 7,0-4,0=3,0 2 3.00 2.3 semnificativ
IV cu II 4,0-2,0=2,0 3 3.14 2.4 nesemnificativ
IV cu III 4,0-3,0=1,0 2 3.00 2.3 nesemnificativ
III cu II 3,0-2,0=1,0 2 3.00 2.3 nesemnificativ
66
5.4. ANALIZA DUBL A VARIANEI
67
QB
- ntre variantele factorului B s B2
fB
QE
- n interiorul grupelor (rezidual) s E2
fE
Se calculeaz valoarea testului F e x p :
s A2
- pentru variantele factorului A Fexp A
s E2
s B2
- pentru variantele factorului B Fexp B
s E2
Se stabilete valoarea teoretic a lui F, att pentru
factorul A ct i pentru factorul B, n funcie de
numrul gradelor de libertate f A sau f B i f E , precum i
n funcie de probabilitatea de transgresiune.
Dac Fexp>Fteoretic, att pentru A ct i pentru B, se
trece la analiza de detaliu privind stabilirea
semnificaiei diferenelor dintre grupe, analiz ce se
face cu ajutorul diferenelor limit, analog celor
prezentate la analiza simpl a varianei.
68
Exemplu:
S se stabileasc dac speciile de molid, brad i fag dintr -un
arboret amestecat i plurien se deosebesc semnificativ ntre ele din punct
de vedere al nlimilor medii. n acest scop au fost murate nlimi la
arbori cu diametrul apropriat de di ametrul indicator de 50 cm.(tabelul
5.9).
Tabelu l 5 . 9
nlimile (m) Ranguri
Molid Brad Fag Molid Brad Fag
24.5 25.3 23.0 4 6 1
25.0 25.7 23.7 5 8 2
26.2 25.9 24.1 15 10 3
27.3 26.3 25.5 21 16.5 7
27.5 26.9 25.8 22.5 18 9
28.3 27.0 26.0 25 19 11.5
28.4 27.2 26.0 26 20 11.5
28.7 27.5 26.1 27 22.5 13
29.0 28.0 26.1 28.5 24 14
- 29.0 26.3 - 28.5 16.5
Total Si 174.0 172.5 88.5
2
pentru f=3-1=2 grade libertate i =0,05 , din tabele tab= 5,99
2calc> 2tab ipoteza nul se respinge, speciile se deosebesc
semnificativ ntre ele din punct de vedere al nlimilor
69
Ca variabil independent se alege ntotdeauna acea mrime care
se determin uor i direct iar ca variabil dependent se alege mrimea
care se stabilete indirect, prin utilizarea unor instrumente. De exemplu:
diametrul de baz d 1 , 3 -variabila independent iar nlimea arboretului h
variabila dependent.
Relaiile dint re dou variabile pot fi :
- relaii funcionale y f (x) , de exemplu : S r2
- relaii statistice (corelaii) , la care pentru aceeai valoare a
lui x, pot fi valori diferite pentru y, ca de exemplu : pentru
acelai diametru (x) putem avea nlimi diferite ( y).
n cazul relaiilor statistice corespondena nu are loc de la valoare
la valoare ci de la valoare la distribuie, deci fiecrei valori x i
corespunde o anumit distribuie cu caracteristicile ei statistice (medie,
dispersie, etc.), caracteristici ce se modific odat cu x (pentru fiecare x
distribuia este alta).
Corelaia poate fi : simpl (cnd se refer la dou variabile x i y)
sau multipl (cnd asupra lui y influeneaz 2 sau mai multe
caracteristici).
Corelaia poate fi, de asemenea, pozitiv (direct) sau negativ
(invers), liniar sau curbilinie.
70
Tabela de corelatie
y/x 8 10 12 14 ny
10
10.5
11
11.5
12
nx
6.3. COVARIANA
n cazul a dou nsuiri corelate avem de a face cu dou distribuii
de frecvene: o distribuie a variabilei x, caracterizat printr -o varian
s 2 x , i o distribuie a variabilei y caracterizat prin variana s 2 y . Se poate
vorbi ns i de o varian comun s 2 x y denumit covarian, care
reprezint gradul de mprtiere a celor dou variabile x i i y i fa de
mediile respective i este dat de relaia:
xi x y i y 1
s xy2 sau s xy2 xi y i xy
n 1 n
Pentru valori grupate se folosete relaia:
1 1
s xy2 n ij x i y j ni xi nj yj
n 1 n
n toate situaiile: s xy2 sx sy .
Covariana este un indice al corelaiei care indic i sensul
acesteia.
Valoarea covarianei trebuie s se ncadreze n intervalul dintre
valorile celor doua variane, adic s xy2 s x2 , s y2 .
71
6.4. COEFICIENTUL DE CORELAIE
xy
Coeficientul de corelaie teoretic exprim gradul
x y
N xyn xy xn x yn y
x y x y
r
2 2
2 2
N nx x nx x N ny y ny y
x x y y
72
utilizeaz funcia CORRELa foii de lucru sau Correlation din
pachetul Data Analys (analiz date)- meniul Tools (instrumente).
Exemplu:
nrt-un arboret de salcm s -au msurat creterile radiale pe ultimii
10 ani i diametrul de baz la 20 de arbori. S se stabi leasc intensitatea
corelaiei folosind coeficientul de corelaie r, deoarece din cercetri
anterioare se cunoate c regresia dintre creterea radial i diametru este
liniar.
Diamet Creter
Nr cr ea
rul cm
radial xy x2 y2
t
x mm y
73
6.5 EXAMINAREA SEMNIFICAIEI COEFICIENTULUI DE
CORELAIE
Coeficientul de corelaie r, al probei, estimeaz coeficientul de
corelaie al populaiei din care a fost extras proba. Este necesar s se
examineze dac valoarea calculat a lui r este real sau se datorete doar
unor erori de eantionaj.
Verificarea se face printr -un test de conformitate, verificnd
ipoteza nul H 0 : =0.
a) n toate cazurile cnd numrul de msurtori este mic
(N <30) i r este apropiat de 1 , se folosete transformarea propus de
Fisher:
1 1 r
z ln
2 1 r
n programul EXCEL se poate utilizeaz funcia Fisher a foii de
lucru.
Variabila z are proprietatea de a se distribui normal, spre
deosebire de valorile lui r, care uneori prezint distribuii mult diferite de
cea normal.
Dup transformarea de m ai sus, se calculeaz statistica u:
z z
u , unde s z reprezint eroarea valorii z
sz 1
N 3
Dac u c a l c u l a t < u t a b e l a r pentru probabilitatea de transgresiune
acceptat, se accept ipoteza nul. Corelaia dintre variabile nu poate fi
dovedit. Dac u c a l c u l a t >u t a b e l a r corelaia este dovedit.
1
n funcie de limitele de ncredere a valorii z: z us x z u
1
N 3
se pot stabili i limitele de ncredere pentru coeficientul de corelaie r.
b) Cnd numrul de msurtori este mic (N <30) i r este apropiat
de 0, se aplic testul t :
r
t exp N 2
1 r2
pentru f=N-2 grade de libertate. Dac t e x p <t t a b e l a r atunci corelaia este
nesemnificativ.
c) Dac numrul de msurtori este mare (N >30) i r este
apropiat de 0, se aplic testul u:
r 1 r2
u exp , unde s r
sr N
Dac u e x p <u t a b e l a r atunci se accept ipoteza nul, corelaia nu este
semnificativ.
74
d) Dac numrul de msurtori este mare (N >30) i r este
apropiat de 1, se poate folosi testul F a lui Fisher:
( N 2) r 2
Fexp
1 r2
Dac F e x p <F t a b e l a r corelaia este nesemnificativ.
75
1 se noteaz observaia ce a mai mare, cu 2 observaia urmtoare ca
mrime i aa mai departe. Rangul N l are cea mai mic valoare. n cazul
cnd exist mai multe observaii cu aceeai mrime, se calculeaz medii
aritmetice de rang. De exemplu, dac pe poziia 3,4,5 i 6 observaii le au
aceeai mrime, la toate li se atribuie rangul 4,5.
Suma rangurilor, att pentru variabila x ct i pentru variabila y,
va fi:
N (N 1)
xi yi , unde x i , respectiv y i reprezint rangurile
2
n cazul unei concordane perfecte ntre rangurile ce lor dou
variabile, suma ptratelor diferenelor dintre ranguri este nul ( d 2 =0) iar
r s =1. Pe msur ce diferenele dintre ranguri sunt mai mari, r s va scdea.
Semnificaia corelaiei de rang se stabilete comparnd valoarea
obinut cu valorile limit, alese n funcie de numrul gradelor de
libertate f=N-2 i probabilitatea de transgresiune .
Exemplu:
La 10 arborete de stejar din lstari, toate de aceeai vrst i
situate n aceleai condiii staionale, s -au determinat consistena i
procentul arborilor n curs de uscare. S se determine dac corelaia ntre
consisten i procentul de uscare este semnificativ. Datele sunt
urmtoarele:
Procentul RANGUL Diferena de
Nr.c Consistena arborilor n RANGUL dup procentul rang
dup
rt arboretelor curs de arborilor n
consisten
uscare curs de uscare 2
d d
1 0,3 22 10 5 5 25
2 0,4 26 9 1,5 7,5 56,25
3 0,5 24 7,5 4 3,5 12,25
4 0,5 26 7,5 1,5 6 36
5 0,6 25 6 3 3 9
6 0,7 20 4,5 6 -1,5 2,25
7 0,7 18 4,5 7 -2,5 6,25
8 0,8 17 3 8 -5 25
9 0,9 10 2 10 -8 64
10 1,0 15 1 9 -8 64
total 55 55 0 300
2
6 d 6 * 300 1800
rs 1 2
1 1 1 1,82 0,82
N ( N 1) 10(100 1) 990
Pentru f=10-2=8 , din tabele, se ia coeficientul limit :
0,632 pentru =5% ,
0,765 pentru =1% i
0,872 pentru =0,1%.
Din comparaie, rezult c, pentru o probabilitate de transgresiune de 1%,
corelaia ntre procentul de uscare i consistena arboretelor este
semnificativ.
76
BIBLIOGRAFIE
77